Kling O1 Powered by MVL

Kling O1, Multi-modal Visual Language तकनीक से बनाया गया Kuaishou का एकीकृत multimodal वीडियो मॉडल है। Atlas Cloud पर सत्यापित फ़ैमिली में text-to-video और image-to-video endpoints शामिल हैं। इसका ध्यान semantic prompt understanding, subject consistency और प्राकृतिक physics simulation पर है।

लिखे गए दृश्य-निर्देशों को सिनेमाई क्लिप में बदलने के लिए text-to-video का उपयोग करें, या image-to-video मोड के ज़रिए किसी source image को animate करें। दोनों endpoints ऐसे workflows का समर्थन करते हैं, जिनमें सुसंगत subjects, नियंत्रित motion और यथार्थवादी scene dynamics की आवश्यकता होती है।

जब आपका प्रोजेक्ट लिखे गए scene description से शुरू होता है, तब text-to-video चुनें। जब motion जोड़ने से पहले किसी मौजूदा image से subject, composition या first frame निर्धारित करना हो, तब image-to-video चुनें।

अपने चुने हुए model ID और inputs के साथ https://api.atlascloud.ai/api/v1/model/generateVideo पर authenticated POST request भेजें। kwaivgi/kling-video-o1/text-to-video या kwaivgi/kling-video-o1/image-to-video का उपयोग करें, फिर लौटाए गए prediction ID से परिणाम प्राप्त करें।

text-to-video के लिए prompt दें और दस्तावेज़ में बताए गए aspect ratio तथा duration controls का उपयोग करें। image-to-video के लिए prompt और image आवश्यक हैं, जबकि last_image वैकल्पिक है। इसके सत्यापित aspect ratios 16:9, 9:16 और 1:1 हैं, तथा duration 5 या 10 seconds हो सकती है।

Atlas Cloud दोनों सत्यापित video endpoints के लिए $0.112 प्रति second की standard price सूचीबद्ध करता है। Billing अनुरोधित output duration के अनुसार बढ़ती है, इसलिए standard rate पर 10 second की generation की लागत 5 second की generation से दोगुनी होती है।

Generation एक POST request से शुरू होती है, जो prediction ID और processing status लौटाती है। task पूरा होने या विफल होने तक https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id} को poll करें। सफल response में generated video URL outputs array में मिलता है।

Subject consistency दोनों उपलब्ध modes की documented capability है, और image-to-video visual identity तथा composition को स्थिर रखने के लिए source frame का उपयोग करता है। फिर भी input quality और prompt complexity के अनुसार परिणाम बदल सकते हैं, इसलिए स्पष्ट source images और motion के स्पष्ट निर्देश देना उचित है।

इस फ़ैमिली पेज के लिए सत्यापित किए गए दो Atlas Cloud endpoints में ये शामिल नहीं हैं। वर्तमान selection में text-to-video और image-to-video शामिल हैं, इसलिए Elements, reference video और editing parameters तब तक submit नहीं किए जाने चाहिए, जब तक Atlas Cloud कोई compatible endpoint और schema प्रकाशित न करे।